日新月異的AI技術，為我們展現了智能視頻網的新篇章。
從大數據構成占比看，非結構化數據、半結構化數據和結構化數據三者約為7:2:1。其中，視頻的非結構化數據不僅體量大，而且數據形式和處理方式與其他數據也存在很大差異。如何解決這種差異化帶來的應用困境?
海康威視認為，云邊融合的智能視頻網，可以發揮其獨有優勢。
視頻感知不能沒有邊緣計算
業界和研究機構熱衷的邊緣計算、智能前置是構建智能視頻網的重要組成部分。
通過視頻前端的目標分類、屬性提取、無損建模，讓智能分析更精準、更快捷，現場可獲得敏捷響應與智能控制，實現精確感知，且減輕傳輸和后臺的計算壓力，例如：智能識別的門禁道閘系統，智能人臉抓拍攝像機等。內置集成智能芯片將有力支持邊緣計算的實現，使前端攝像機的存算能力更強、建網結構更簡單、性能表現更可靠，并保障原始數據不丟失。另外，邊緣計算不受限于機房等條件限制，成本上也大大低于上云計算。
毋庸置疑，要實現全網智能，不能沒有邊緣計算和智能前置。
視頻認知不能只靠“云中心”
視頻數據的特殊性，決定了構建智能視頻網不能采取所有數據都上“云中心”的方式。大體量、數據復雜多樣的視頻網絡中，如果將所有視頻流全部集中匯聚到云中心存儲再結構化處理，無論從傳輸、計算、存儲還是應用上看，都不現實、不經濟、不科學，極易造成高延時、高負荷、高能耗、低效率的后果。一個彈性而健康的智能視頻網，應該是云邊融合的“云中心-邊緣域-邊緣節點”模式，即海康威視AI Cloud 架構(如下圖所示)。
邊緣節點是智能視頻網主要感知層，既是對目標和事件的分類、屬性的精準感知和特征提取的起點，也是業務處理敏捷反應的執行點。邊緣節點和邊緣域組成具有自治并有彈性能力的邊緣計算，對已建的非智能的高清攝像機，可就近在邊緣域進行智能計算實現智能化。邊緣域和云中心協同，實現跨時空的大數據融合關聯、邏輯推理、價值挖掘等應用分析。
智能視頻網，尤其在平安城市、城市交通管理等涉及大量視頻智能應用的領域，應依據業務的復雜程度、響應的時效要求、網絡的承載能力等因素，圍繞用戶自身的治理架構，按“數據按需匯聚，計算分層實施，應用分級響應”思路，合理靈活地進行系統設計。
云邊融合的智能視頻網
數據按需匯聚：因需而存，誰用誰存
無論是公安行業，還是政府其他行業，時效性都是第一要務，低成本、高效率是視頻網建設的重要原則之一。
邊緣域靠近邊緣節點，是承接視頻智能感知的主要功能區域，也是實戰應用最旺盛、最活躍、最講究時效的區域，要求實現較高的人機共判效率。以公安系統為例，從省、市、區縣三級應用看，目前視頻警務的大量應用在區縣級，偵查破案中的嫌疑車輛排查、人員軌跡追蹤、人臉識別、治安防控等，都須以“快”為原則。大量實踐證明，“因需而存，誰用誰存”能更好更快滿足業務應用需求。
計算分層實施：業務之需，分層計算
針對不同的業務需求進行分層計算處理，下一層計算為上一層計算提供依據，上一層計算為下一層計算提供精確服務。通過分布式計算和并行協同處理提高運算效率，有效利用、合理配置計算資源，達到智能分析結果輸出更精準、實際應用更快捷的目的。
前端攝像機的邊緣計算，主要進行目標辨識和屬性提取等結構化計算，為后端的檢索、比對和分析提供條件;邊緣域既為邊緣側的業務響應提供服務，也為云中心的大數據分析創造條件;云中心則側重多維大數據融合(如視頻數據、物聯網數據、常規業務數據等)，提供基于大數據的邏輯推理、關聯分析等智能認知應用和彈性分配的存算能力，滿足“預測、預警、預防”需求。
應用分級響應：依據職責，分級展開
我國的行政區劃和政府職能，決定了不同層級不同部門的不同應用深度和廣度。如上所述，數據的匯聚和計算，旨在滿足不同層級的應用內容和快速響應需求。還是以平安城市、城市交通管理舉例，兩者的智能視頻應用均涉及省、市、區縣、基層等多層機構，面對復雜的業務系統，分級響應既是現實業務的應用需要，也是實際遵循的工作原則。比如，視頻警務應用可依據不同職責滿足不同部門不同警種的業務協同，分級展開實施視頻巡防、接出警、治安防控、犯罪偵查等工作;再比如，城市管理可依據不同部門的業務要求，滿足跨部門聯合執法、交通管理、社區管理、公共服務等需要。
隨著大數據分析應用的不斷深化，各級應用的任務分配更趨向智能。目前，一些省市級公安機關基于視頻的業務，已不僅限于管理，而是憑借大數據分析，拓展到跨地區的串并案件、目標追蹤布控、可視化指揮等業務。
為實現AI Cloud架構的部署與落地，海康威視推出HacStack、HacDataX、HacMaster等系列產品，滿足智能算法倉庫、計算存儲資源池、大數據資源池、物聯智能應用等能力，同時提供豐富多樣的視頻專用智能前端產品，提供開放的API/SDK接口供第三方集成。不斷增加的各行業應用案例，逐漸證實海康威視AI Cloud架構是一套有效滿足視頻智能化發展的可靠系統。云邊融合的智能視頻網，讓我們一起 “見遠，行更遠”。
|
